Veri Art?rma Tekniklerinin Derin Ö?renmeye Dayal? Yüz Tan?ma Sisteminde Etkisi

Geçti?imiz son on y?lda, Derin Ö?renme, bilhassa Evri?imsel Sinir A?lar? (Convolutional Neural Network), Makine Ö?renmesi ve A?lar?’n?n en h?zl? büyüyen alan?d?r. Birçok A?? aras?nda, günümüzde görüntü analizi s?n?fland?rma amaçlar? için kullan?lan ana araçlar?n ba??nda gelmektedir. tabanl? modeller, yüz tan?ma görevlerinde yüksek ba?ar? performans? sergilemektedirler. ?lgili modellerin performans?n?n olmas? olu?turulan mimariye tercih edilen hiper-parametrelere ba?l?d?r. Ek olarak, e?itildikleri veri setinin boyutu performans üzerinde büyük etkiye sahiptir. Bu çal??mada amac?m?z, afin dönü?ümü (affine transform) yöntemi ile art?rma i?lemini gerçekle?tirmek bu tekni?inin A?lar?na dayal? sistemine etkisini analiz etmektir. sistemi Destek Vektör Makineleri K-En Yak?n Kom?u algoritmalar? uygulanm??, devam?na iki algoritman?n kar??la?t?r?lm??t?r. Çal??mam?zda bütün deneyler Labeled Faces in the Wild (LFW) seti gerçekle?mi?tir. Elde sonuçlar, uygulanan tekni?inin, do?rulama i?lemi %1.8 oran?nda, %2.2 (Destek Makineleri) %2.5 (K-En Kom?u) oran?nda art?? sergiledi?i gözlemlenmi?tir. Gerçekle?en sonunda, i?leminde %94.4 do?ruluk elde etmi?tir. S?n?fland?rma i?lemlerinde ise sistem, algoritmas? uygulanarak %97.1, %96.3